2017年福建师范大学数学与计算机科学学院432统计学[专业硕士]之统计学考研强化模拟题
● 摘要
一、判断题
1． 样本均值的抽样分布形式仅与样本量n 的大小有关。（ ）
【答案】×
【解析】当所抽取的样本为小样本时，样本均值的抽样分布不仅与样本量n 有关，还与总体
当为大样本时， 的分布形式有关；由中心极限定理可知，样本均值的抽样分布近似服从正态分布。
2． 残差平方和是解释变量变动所引起的被解释变量的变差。（ ）
【答案】×
【解析】残差平方和是随机因素影响所引起的被解释变量的变差；回归平方和是指被解释变量的总体平方和与残差平方和之差。
3． 方差分析是为了推断多个总体的方差是否相等而进行的假设检验。（ ）
【答案】×
【解析】方差分析是为了鉴别因素效应而对多个总体均值的相等性进行的检验。
4． 若两个独立随机变量X 和; K 均服从二项分布，而. 不一定服从二项分布。（ ）
【答案】×
【解析】由二项分布的可加性知，两个服从二项分布的独立随机变量的和仍服从二项分布。
5． f 分布与正态分布的区别是前者的分布形态是不对称的，后者是对称的。（ ）
【答案】×
【解析】f 分布和正态分布都是对称分布，在样本容量n 较小时，两者分布区别较大，当n 足够大时，f 分布近似于正态分布。
6． 分别来自两个总体的两个样本，当样本容量足够大时，样本均值之差的抽样分布服从正态分布。（ ）
【答案】√
7． 对于一元线性回归模型，如果自变量是显著的，那么自变量所对应的系数应该显著的不为0。（ ）
【答案】×
8． 若在实际应用中所处理的变量并不是严格的连续型变量，则不能使用正态分布。（ ）
【答案】×
【解析】在实际应用中，如果所处理的变量并不是严格的连续型变量，可以通过连续校正，然后再使用正态分布。
9． 多元回归模型中的解释变量个数为那么回归方程显著性检验的F
统计量的第一自由度为
第二自由度为k 。（ ）
【答案】×
【解析】多元回归模型中的解释变量个数为k ，那么回归方程显著性检验的F 统计量的第一
自由度为k ，第二自由度为
10．估计量和估计值并没有什么区别，二者是同一概念。（ ）
【答案】×
【解析】“估计值”是参数估计量的一个具体数值，而当把估计结果看成是一个表达式时，那么“估计量”就是一个随机变量。
二、简答题
11．简述指数平滑法的基本含义。
【答案】指数平滑法是对过去的观察值加权平均进行预测的一种方法，该方法使得第
形式，观察值时间越远，其权数也跟着呈现指数的下降，因而称为指数平滑。
使用指数平滑法时，关键的问题是确定一个合适的平滑系数因为不同的会对预测结果产生
不同的影响。当
值
大的权数；同样时，预测值仅仅是重复上一期的预测结果；
当时，预测值就是上一期实际
越接近1，模型对时间序列变化的反应就越及时，因为它对当前的实际值赋予了比预测值更越接近0, 意味着对当前的预测值赋予更大的权数，因此模型对时间序列变化的
但实际应用时，还应考虑预测误差，这里仍用误差期的预测值等于
期的实际观察值与第期预测值的加权平均值。指数平滑法是加权平均的一种特殊反应就越慢。一般而言，当时间序列有较大的随机波动时，
宜选较大的以便能很快跟上近期的变化，当时间序列比较平稳时，宜选较小的
均方来衡量预测误差的大小，确定时，可选择几个进行预测，然后找出预测误差最小的作为最后的值。
12．“假设检验的基本思路是：概率性质的反证法，主要依据的是：小概率事件原理”。你同意这种说法吗？简要叙述你对假设检验的理解和检验步骤。
【答案】同意。
假设检验所遵循的推断依据是统计中的“小概率原理”：小概率事件在一次试验中几乎是不会发生的。例如，在10000件的产品中，如果只有1件是次品，那么可以得知，在一次试验中随机抽取1件次品的概率就为此概率是非常小的。或者是说，在一次随机抽样试验中，次品几
乎是不会被抽到的。反过来，如果从这批产品中任意抽取1件，恰好是次品，我们就可以断定，该次品率应该不是很小的，否则我们就不会那么轻易的就能抽到次品。从而，我们就有足够的理由否认产品的次品率是很低的假设。
假设检验的基本步骤为：第一，对所考察总体的分布形式或总体的某些未知参数做出某些假设，称之为原假设。第二，根据检验对象构造合适的检验统计量，并通过数理统计分析确定在原假设成立的条件下该检验统计量的抽样分布。第三，在给定的显著性水平下，根据抽样分布得出原假设成立时的临界值，由临界值构造拒绝域和接受域。第四，由所抽取的样本资料计算样本统计量的取值，并将其与临界值进行比较，从而对所提出的原假设做出接受还是拒绝的统计判断。
假设检验就是利用样本中所蕴含的信息对事先假设的总体情况做出推断。假设检验不是毫无根据的，而是在一定的统计概率下支持这种判断。
13．在显著性检验过程中，经常遇到值这一概念，试回答以下问题：
（1）值能告诉我们什么信息？
（2）当相应的值较小时为什么要拒绝原假设？
（3）显著性水平与值有何区别？
【答案】如果原假设为真，所得到的样本结果会像实际观测结果那么极端或更极端的概率，称为值，也称为观察到的显著性水平。
（1）值是当原假设正确时，得到所观测的数据的概率。如果原假设是正确的话，值告诉我们这样的观测数据会有多么的不可能得到。相当不可能得到的数据，就是原假设不对的合理证据。
（2）值是反映实际观测到的数据与原假设明实际观测到的数据与之间不一致程度的一个概率值。值越小，说之间不一致的程度就越大，检验的结果也就越显著。
（3）是犯第I 类错误的上限控制值，它只能提供检验结论可靠性的一个大致范围，而对于一个特定的假设检验问题，却无法给出观测数据与原假设之间不一致程度的精确度量。也就是说，仅从显著性水平来比较，
如果选择的值相同，
所有检验结论的可靠性都一样。而值可以测量出样本观测数据与原假设中假设的值的偏离程度。
14．解释多重判定系数和调整的多重判定系数的含义和作用。
【答案】（1）多重判定系数是多元回归中的回归平方和占总平方和的比例，它是度量多元回归方程拟合程度的一个统计量，反映了在因变量y 的变差中被估计的回归方程所解释的比例，其计算公式为
（2）调整的多重判定系数考虑了样本量（n ）和模型中自变量的个数（k ）的影响，这就使得
的值永远小于
而且的值不会由于模型中自变量个数的增加而越来越接近1，
其计算公式为